本技術(shù)涉及水電機(jī)組故障檢測(cè)，具體而言，涉及一種基于聲學(xué)、振動(dòng)感知原理的水電機(jī)組故障檢測(cè)方法及相關(guān)設(shè)備。

背景技術(shù)：

1、在水電機(jī)組的維護(hù)和狀態(tài)監(jiān)測(cè)過程中，聲學(xué)和振動(dòng)數(shù)據(jù)的采集與分析是關(guān)鍵的一環(huán)。通過這些數(shù)據(jù)，可以有效地監(jiān)測(cè)和預(yù)測(cè)機(jī)組的運(yùn)行狀態(tài)及潛在故障。然而，在實(shí)際應(yīng)用中，這一過程面臨多種技術(shù)挑戰(zhàn)，尤其是由于水電機(jī)組運(yùn)行環(huán)境的復(fù)雜性。

2、水電機(jī)組在運(yùn)行時(shí)產(chǎn)生的背景噪音通常是非線性的，包括水流的湍流噪音、機(jī)械摩擦聲等。這些噪音源的非線性特性使得傳統(tǒng)的聲學(xué)數(shù)據(jù)處理方法難以準(zhǔn)確提取有用的故障特征信息。傳統(tǒng)的帶通濾波器雖然能夠根據(jù)預(yù)設(shè)的頻率范圍去除一部分無關(guān)頻率的信號(hào)，但在面對(duì)復(fù)雜且變化的噪音環(huán)境時(shí)，其固定的頻率范圍限制了其適用性和靈活性。

3、為了克服傳統(tǒng)帶通濾波器的不足，自適應(yīng)濾波器被提出并應(yīng)用于動(dòng)態(tài)變化的背景噪音中。自適應(yīng)濾波器通過調(diào)整其參數(shù)來適應(yīng)輸入信號(hào)的統(tǒng)計(jì)特性，理論上可以更好地處理非線性和非平穩(wěn)的噪音。然而，自適應(yīng)濾波器需要復(fù)雜的計(jì)算過程來不斷更新其參數(shù)，這在實(shí)時(shí)數(shù)據(jù)處理中可能導(dǎo)致延遲，同時(shí)對(duì)濾波器的初始設(shè)置也非常敏感，一旦設(shè)置不當(dāng)，其性能便會(huì)大打折扣。

4、在實(shí)際應(yīng)用中，單獨(dú)使用聲學(xué)數(shù)據(jù)或振動(dòng)數(shù)據(jù)進(jìn)行故障診斷往往存在一定的局限性。因此需要將兩者的信號(hào)進(jìn)行融合處理，才能更有效的對(duì)機(jī)組運(yùn)行狀態(tài)進(jìn)行有效在線加測(cè)和故障識(shí)別和預(yù)警。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的實(shí)施例提供了一種基于聲學(xué)、振動(dòng)感知原理的水電機(jī)組故障檢測(cè)方法及相關(guān)設(shè)備，以解決現(xiàn)有技術(shù)中存在的技術(shù)問題。

2、本技術(shù)的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本技術(shù)的實(shí)踐而習(xí)得。

3、根據(jù)本技術(shù)實(shí)施例的第一方面，提供了一種基于聲學(xué)、振動(dòng)感知原理的水電機(jī)組故障檢測(cè)方法，包括：

4、基于歷史工況數(shù)據(jù)獲取濾波器參數(shù)，并基于所述濾波器參數(shù)設(shè)置不同工況下的帶通濾波器；

5、基于當(dāng)前工況參數(shù)選用對(duì)應(yīng)工況的帶通濾波器；

6、采集當(dāng)前的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)，并基于所述帶通濾波器濾去噪聲，得到真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)；

7、基于歷史采集的故障樣本數(shù)據(jù)生成不同工況下故障的聲學(xué)樣本庫(kù)；

8、基于所述真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)以及所述聲學(xué)樣本庫(kù)進(jìn)行葉片變形和流體動(dòng)力異常檢測(cè)。

9、在本技術(shù)的一些實(shí)施例中，基于前述方案，所述基于歷史工況數(shù)據(jù)獲取濾波器參數(shù)，包括：

10、獲取歷史工況數(shù)據(jù)；

11、將不同的歷史工況數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，得到不同工況下的濾波器參數(shù)。

12、在本技術(shù)的一些實(shí)施例中，基于前述方案，所述基于歷史采集的故障樣本數(shù)據(jù)生成不同工況下故障的聲學(xué)樣本庫(kù)，包括：

13、依據(jù)歷史采集的不同負(fù)荷、不同水頭下的聲音振動(dòng)故障樣本數(shù)據(jù)，采用自相關(guān)頻譜方法積累不同工況下的故障樣本數(shù)據(jù)并進(jìn)行預(yù)處理形成不同工況下故障的聲學(xué)樣本庫(kù)。

14、在本技術(shù)的一些實(shí)施例中，基于前述方案，基于所述真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)以及所述聲學(xué)樣本庫(kù)進(jìn)行葉片變形檢測(cè)，包括：

15、基于所述聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)，構(gòu)建葉片變形故障識(shí)別算法模型；

16、基于所述葉片變形故障識(shí)別算法模型對(duì)聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)進(jìn)行檢測(cè)。

17、在本技術(shù)的一些實(shí)施例中，基于前述方案，所述基于所述聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)，構(gòu)建葉片變形故障識(shí)別算法模型，包括：

18、對(duì)聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)的頻域進(jìn)行積分計(jì)算能量后取對(duì)數(shù)，提取出能量的總體趨勢(shì)ψ(s(t))；

19、對(duì)聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的振動(dòng)數(shù)據(jù)進(jìn)行指數(shù)平方逆處理，得到處理數(shù)據(jù)ω(v(t))；

20、使用深度神經(jīng)網(wǎng)絡(luò)，基于總體趨勢(shì)ψ(s(t))和處理數(shù)據(jù)ω(v(t))構(gòu)建得到所述葉片變形故障識(shí)別算法模型；

21、

22、公式(1)中，dnn表示為深度神經(jīng)網(wǎng)絡(luò)，α、β分別表示為聲學(xué)數(shù)據(jù)與振動(dòng)數(shù)據(jù)在最終特征向量中的權(quán)重。

23、在本技術(shù)的一些實(shí)施例中，基于前述方案，基于所述真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)以及所述聲學(xué)樣本庫(kù)進(jìn)行流體動(dòng)力異常檢測(cè)，包括：

24、基于所述聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)，構(gòu)建流體動(dòng)力異常算法模型；

25、基于所述流體動(dòng)力異常算法模型對(duì)聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)進(jìn)行檢測(cè)。

26、在本技術(shù)的一些實(shí)施例中，基于前述方案，所述基于所述聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)，構(gòu)建流體動(dòng)力異常算法模型，包括：

27、對(duì)聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的聲學(xué)數(shù)據(jù)的能量進(jìn)行加權(quán)譜均值的指數(shù)衰減，得到流體動(dòng)力異常聲學(xué)數(shù)據(jù)的處理函數(shù)f(s)；

28、對(duì)聲學(xué)樣本庫(kù)中與葉片變形故障相關(guān)的振動(dòng)數(shù)據(jù)的能量求和并取自然對(duì)數(shù)處理，得到流體動(dòng)力異常振動(dòng)數(shù)據(jù)的處理函數(shù)g(v)；

29、將處理函數(shù)f(s)和處理函數(shù)g(v)，使用隨機(jī)森林進(jìn)行分類，得到流體動(dòng)力異常算法模型；

30、

31、公式(2)中，s(f)表示為聲學(xué)數(shù)據(jù)在頻域和時(shí)域的表達(dá)，v(tn)表示為振動(dòng)數(shù)據(jù)在頻域和時(shí)域的表達(dá)，|s(f)|、|v(tn)|表示為聲學(xué)、振動(dòng)數(shù)據(jù)的幅度，n表示為振動(dòng)數(shù)據(jù)采樣點(diǎn)的總數(shù)，rf表示為隨機(jī)森林模型。

32、在本技術(shù)的一些實(shí)施例中，基于前述方案，還包括：

33、設(shè)定故障報(bào)警閾值；

34、當(dāng)檢測(cè)結(jié)果超過所述故障報(bào)警閾值時(shí)，進(jìn)行故障報(bào)警。

35、根據(jù)本技術(shù)實(shí)施例的第二方面，提供了一種基于聲學(xué)、振動(dòng)感知原理的水電機(jī)組故障檢測(cè)裝置，包括：

36、獲取單元，用于基于歷史工況數(shù)據(jù)獲取濾波器參數(shù)；

37、設(shè)置單元，用于基于所述濾波器參數(shù)設(shè)置不同工況下的帶通濾波器；

38、選用單元，用于基于當(dāng)前工況參數(shù)選用對(duì)應(yīng)工況的帶通濾波器；

39、采集單元，用于采集當(dāng)前的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)；

40、噪聲處理單元，用于基于所述帶通濾波器濾去噪聲，得到真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)；

41、生成單元，用于基于歷史采集的故障樣本數(shù)據(jù)生成不同工況下故障的聲學(xué)樣本庫(kù)；

42、檢測(cè)單元，用于基于所述真實(shí)的聲學(xué)數(shù)據(jù)和振動(dòng)數(shù)據(jù)以及所述聲學(xué)樣本庫(kù)進(jìn)行葉片變形和流體動(dòng)力異常檢測(cè)。

43、根據(jù)本技術(shù)實(shí)施例的第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

44、根據(jù)本技術(shù)實(shí)施例的第四方面，提供了一種電子設(shè)備，包括：存儲(chǔ)器和處理器；

45、所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)指令；

46、所述處理器，用于調(diào)用所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)指令，使得所述電子設(shè)備執(zhí)行如第一方面所述的方法。

47、本技術(shù)的技術(shù)方案，采用神經(jīng)網(wǎng)絡(luò)算法根據(jù)水電機(jī)組的不同工況動(dòng)態(tài)地選擇和調(diào)整帶通濾波器的參數(shù)，使數(shù)據(jù)采集更加精準(zhǔn)；同時(shí)還提出了將聲學(xué)和振動(dòng)數(shù)據(jù)進(jìn)行組合分析的方法，通過整合多種類型的數(shù)據(jù)，可以更全面、更準(zhǔn)確地評(píng)估水電機(jī)組的狀態(tài)，從而提高故障診斷的準(zhǔn)確率和效率。

48、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。